في مجال فهم السحابة النقطية العميقة، يعد KPConv معمارًا فريدًا يستخدم نقاط النواة لتحديد أوزان التفافية في الفضاء، بدلاً من الاعتماد على ترميزات الشبكات العصبية متعددة الطبقات (Multi-Layer Perceptron - MLP). رغم تحقيقه للنجاح في البداية، فقد تم تجاوزه مؤخرًا بواسطة شبكات MLP الحديثة التي تعتمد على تصاميم و استراتيجيات تدريب محدثة. بناءً على مبدأ نقاط النواة، نقدم تصميمين جديدين: KPConvD (KPConv عمقي)، وهو تصميم أخف يتيح استخدام هياكل أعمق، و KPConvX، وهو تصميم مبتكر يوسع أوزان التفافات KPConvD العمقية باستخدام قيم انتباه النواة. باستخدام KPConvX مع معمار حديث واستراتيجية تدريب حديثة، نتمكن من تجاوز الأساليب الرائدة حاليًا في مجالات ScanObjectNN و Scannetv2 و S3DIS. نؤكد اختياراتنا التصميمية من خلال دراسات الاستبعاد ونقوم بإصدار كودنا ونماذجنا.